Python：正则表达式

正则表达式

一、简介：
正则表达式：是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现，需要在文件最开始的地方用import re来引入。正则表达式模式被编译成一系列的字节码，然后由用C编写的匹配引擎-执行。

二、字符匹配（普通字符，元字符）：

普通字符：大多数字符和字母都会和自身匹配
>>> re.findall('alex','yuanaleSxalexwupeiqi')
['alex']

元字符：
    .    ^    $    *     +     ?     { }     [ ]     |     ( )    

 

 示例：

>>> re.findall(r"a(d+)b","a23b")
        ['23']
>>> re.findall(r"a(d+?)b","a23b") 
        ['23']

 [ ]：

元字符[]表示字符类，在一个字符类中，只有字符^、-、]和有特殊含义。
字符仍然表示转义，字符-可以定义字符范围，字符^放在前面，表示非，取反。

>>> re.findall(r"a[bc]d","wwwwabcd")
[]
>>> re.findall(r"a[bcd]e","wwwwabcde")
[]
>>> re.findall(r"a[bcd]e","wwwwade")
['ade']
>>> re.findall(r"a[bc]d","wwwwabd")
['abd']
>>>

>>> re.findall(r"a[.]d","wwwwabd")
[]
>>> re.findall(r"a[.]d","wwwwa.d")
['a.d']

>>> re.findall(r"[a-z]","wwwwa.d")
['w', 'w', 'w', 'w', 'a', 'd']
>>> re.findall(r"[1-9]","ww3ww8a.d")
['3', '8']

 | ：或    

 注：（？：a|b）使用方法

ret = re.findall('www.(baidu|laonanhai).com','sdad www.baidu.com')
print(ret)
#打印结果：['baidu']
ret = re.findall('www.(baidu|laonanhai).com','sdad www.laonanhai.com')
print(ret)
#打印结果：['laonanhai']
ret = re.findall('www.(?:baidu|laonanhai).com','sdad www.laonanhai.com')
print(ret)
#打印结果：['www.laonanhai.com']

[^]：取反

>>> re.findall(r"[^1-9]","ww3ww8a.d")
['w', 'w', 'w', 'w', 'a', '.', 'd']
>>> re.findall(r"[^1-9]","ww3ww8a.d0")
['w', 'w', 'w', 'w', 'a', '.', 'd', '0']

特殊符号：

”^“ “ $ ”分别指出一个字符串的开始和结束。

示例：

“^The”：表示以“The”开始的字符串

“ok$”：表示以“ok”结束的字符串

d 匹配任何十进制数；它相当于类 [0-9]。
D 匹配任何非数字字符；它相当于类 [^0-9]。
s 匹配任何空白字符；它相当于类 [ fv]。
S 匹配任何非空白字符；它相当于类 [^ fv]。
w 匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。
W 匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]
: 匹配一个单词边界，也就是指单词和空格间的位置。

只是匹配字符串开头结尾及空格回车等的位置, 不会匹配空格符本身 

示例：

s,w,d:

>>> re.findall(r"s","ww3w w8a.d0")
[' ']
>>> re.findall(r"w","ww3ww8a.d0")
['w', 'w', '3', 'w', 'w', '8', 'a', 'd', '0']
>>> re.findall(r"d","ww3ww8a.d0")
['3', '8', '0']

:

>>> re.findall(r"abc","abcsdsadasabcasdsadasdabcasdsa")
[]
>>> re.findall(r"abc","abc sdsadasabcasdsadasdabcasdsa")
['abc']
>>> re.findall(r"abc"," abc sdsadasabcasdsadasdabcasdsa")
['abc']

 ：

反斜杠后边跟元字符去除特殊功能，
反斜杠后边跟普通字符实现特殊功能。
引用序号对应的字组所匹配的字符串。

>>> re.search(r"(alex)(eric)com2","alexericcomeric").group()
'alexericcomeric'

三、函数：

匹配开头

match:re.match(pattern, string, flags=0)

>>> re.match('com', 'comwww.runcomoob').group()
'com'
>>> re.match('com', 'Comwww.runComoob',re.I).group()
'Com'

re.I 使匹配对大小写不敏感
re.L 做本地化识别（locale-aware）匹配
re.M 多行匹配，影响 ^ 和 $
re.S 使 . 匹配包括换行在内的所有字符

分组：

#无分组：
origin = "hello alex bcd alex lge alex acd 19"
r = re.match("hw+",origin)
print(r.group())
#打印结果：hello

#有分组：是将group中的值再匹配括号中的（从左到右，从外到里），有几个括号就取几个
origin = "hello alex bcd alex lge alex acd 19"
r = re.match("(h)(w+)",origin)
print(r.groups())
#打印结果：('h', 'ello')

#？P<>设置groupdict中的key
origin = "hello alex bcd alex lge alex acd 19"
r = re.match("(?P<k1>h)(?P<k2>w+)",origin)
print(r.groupdict())
#打印结果：{'k1': 'h', 'k2': 'ello'}

匹配第一个

search（search有无分组情况和match一样）：re.search(pattern, string, flags=0)

>>> re.search('dcom', 'www.4comrunoob.5com').group()
'4com'

注意：
re.match('com', 'comwww.runcomoob')
re.search('dcom', 'www.4comrunoob.5com')
一旦匹配成功，就是一个match object 对象，而match object 对象拥有以下方法：
group() 返回被 RE 匹配的字符串
start() 返回匹配开始的位置
end() 返回匹配结束的位置
span() 返回一个元组包含匹配 (开始,结束) 的位置

group() 返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。
1. group（）返回re整体匹配的字符串，
2. group (n,m) 返回组号为n，m所匹配的字符串，如果组号不存在，则返回indexError异常
3.groups() 方法返回一个包含正则表达式中所有小组字符串的元组，从 1 到所含的小组号，通常groups（）不需要参数，返回一个元组，元组中的元就是正则表达式中定义的组。

>>> a = "123abc456"
>>> re.search("([0-9]*)([a-z]*)([0-9]*)",a).groups()
('123', 'abc', '456')

group(0) 列出所有括号匹配部分，group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3)列出第三个括号匹配部分。

import re
>>> a = "123abc456"
>>> re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)
'123abc456'
>>> re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)
'123'
>>> re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)
'abc'
>>> re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)
'456'

获取字符串中所有匹配项

findall：可以获取字符串中所有匹配的字符串，以列表形式返回所有匹配的字符串。

findall在有组的情况下，只匹配组里的情况，以列表形式返回。如果两个组分别匹配到组里的情况，就将作为一个元祖返回给列表。

import re
print(re.findall(r"a(d+)b","a23b"))
#打印结果：['23']
print(re.search(r"a(d+)b", "a23b").group())
#打印结果：a23b

>>> p = re.compile(r'd+')
>>> print p.findall('one1two2three3four4')
['1', '2', '3', '4']

>>> re.findall(r'd+','one1two2three3four4')
['1', '2', '3', '4']

 有无分组情况：

origin = "hello alex alex bcd abcd lge acd 19"
r = re.findall("aw+",origin)
r1 = re.findall("(aw+)",origin)
r2 = re.findall("(a)(w+)",origin)
print(r)
print(r1)
print(r2)
#打印结果：
['alex', 'alex', 'abcd', 'acd']
['alex', 'alex', 'abcd', 'acd']
[('a', 'lex'), ('a', 'lex'), ('a', 'bcd'), ('a', 'cd')]


origin = "hello ax lex bed alex lge alex acd 19"
n = re.findall("(a)(w)*" , origin)
print(n)
#打印结果：[('a', 'x'), ('a', 'x'), ('a', 'x'), ('a', 'd')]

*：0-多次，默认情况是贪婪的。有分组，取多次，默认取最后一个值，如果后面没有符合项，会匹配空

a = "alex"
n = re.findall("(w)(w)(w)(w)",a)
print(n)
n1 = re.findall("(w)",a)
print(n1)
n2 = re.findall("(w)*",a)
print(n2)
#打印结果：
[('a', 'l', 'e', 'x')]
['a', 'l', 'e', 'x']
['x', '']

n = re.findall("(dasd)","lasd2asdp3asd98kif")
print(n)
#打印结果：['2asd', '3asd']
n = re.findall("(dasd)*","lasd2asdp3asd98kif")
print(n)
#打印结果：['', '', '', '', '2asd', '', '3asd', '', '', '', '', '', '']

空格匹配：如果没有匹配到空格，将返回空内容，并且会返回自身

#1、匹配到符合项之后再从符合项之后开始匹配
n = re.findall("d+wd+","a2b3c4d5")
print(n)
#打印结果：['2b3', '4d5']

#2、空格匹配（字符串中有八个字符，返回了九个空格）
n = re.findall("","a2b3c4d5")
print(n)
#打印结果：['', '', '', '', '', '', '', '', '']

re.compile(strPattern[, flag]):

>>> text = "JGood is a handsome boy, he is cool, clever, and so on..."
>>> regex = re.compile(r'w*oow*')
>>> print regex.findall(text)
['JGood', 'cool']

sub ：替换

re.sub(pattern, repl, string, max=0)

>>> re.sub("g.t","have",'I get A,  I got B ,I gut C')
'I have A,  I have B ,I have C'
>>> re.sub("g.t","have",'I get A,  I got B ,I gut C',2)
'I have A,  I have B ,I gut C'

subn：返回替换次数

>>> re.subn("g.t","have",'I get A,  I got B ,I gut C')
('I have A,  I have B ,I have C', 3)

split：分割

>>> p = re.compile(r'd+')
>>> p.split('one1two2three3four4')
['one', 'two', 'three', 'four', '']
>>> re.split('d+','one1two2three3four4five')
['one', 'two', 'three', 'four', 'five']

 有无分组情况：

#无分组：
origin = "hello alex bcd abcd lge acd 19"
n = re.split("aw+",origin)
print(n)
#打印结果：['hello ', ' bcd ', ' lge ', ' 19']

#有分组：
n = re.split("a(w+)",origin)
print(n)
#打印结果：['hello ', 'lex', ' bcd ', 'bcd', ' lge ', 'cd', ' 19']

#添加参数2:2是最大分割次数
n = re.split("a(w+)",origin,2)
print(n)
#打印结果：['hello ', 'lex', ' bcd ', 'bcd', ' lge acd 19']

finditer：finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]): 

搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。

>>> p = re.compile(r'd+')
>>> iterator = p.finditer('12 drumm44ers drumming, 11 ... 10 ...')
>>> for match in iterator:
...  match.group() , match.span()
...
('12', (0, 2))
('44', (8, 10))
('11', (24, 26))
('10', (31, 33))

w = re.finditer(r'd+','12drumm44ers drumming, 11...10...')
for aa in w:
    print(aa.group())
#打印结果：
12
44
11
10

练习：计算器计算：

1 - 2 * ( (60 - 30 + (-40.0/5) * (9 - 2 * 5/3 + 7 / 3 * 10/4*2 +10 *5/14)) -(-4*3)/(16-3*2))

import re


def add_op(arg):  # 定义加法函数
    arg = arg.replace("++", "+").replace("--", "+").replace("+-", "-").replace("-+", "-")  # 替换符号
    num = re.findall("([+-]?d+.?d*)", arg)  #匹配所有数字
    result = 0
    for i in num:   #循环数字列表进行累加
        result = result + float(i)
    return result

def mul(arg):   #定义乘除函数
    while True:
        result = re.split("(d+.?d*[*/][+-]?d+.?d*)",arg,1) #匹配乘法或除法
        if len(result) == 3:
            bef,cen,aft = result
            if "*" in cen:  #判断乘号是否在cen里面
                num1,num2 = cen.split("*")  #将乘号进行分割得到乘数
                new_cen = float(num1) * float(num2)     #将乘数相乘得到乘积
                arg = bef +str(new_cen) + aft   #将乘积放入新的字符串表达式
            elif "/" in cen:    #判断除号是否在cen里面
                num1,num2 = cen.split("/")  #分割除号得到除数和被除数
                new_cen = float(num1) / float(num2)     #进行除法运算
                arg = bef + str(new_cen) + aft      #将商放入新的字符串表达式
        else:
            return add_op(arg)

def calc(arg):
    while True:
        arg = arg.replace(" ","")
        result = re.split("(([^()]+))",arg,1)     #匹配最里面的括号并且只取括号中的内容
        if len(result) == 3:
            bef,cen,aft = result
            # 计算括号中的表达式，先乘除后加减，得到计算结果
            r = mul(cen)
            #使用计算结果组成新的字符串表达式
            arg = bef + str(r) + aft
        else:   #计算完括号后开始按照先乘除再加减的运算
            return mul(arg)

origin = "1 - 2 * ( (60 - 30 + (-40.0/5) * (9 - 2 * 5/3 + 7 / 3 * 10/4*2 +10 *5/14)) -(-4*3)/(16-3*2))"
r = calc(origin)
print(r)
print(eval(origin))